Sakana AI eröffnet RSI-Labor: Rekursive Selbstverbesserung mit Foundation-Modellen

Sakana AI hat offiziell sein Recursive Self-Improvement (RSI) Lab eingerichtet, eine dedizierte Forschungsgruppe, die den KI-Entwicklungsprozess selbst mit KI neu gestalten soll. Anstatt monolithische Modelle mit roher Gewalt zu trainieren, baut das Labor offene, adaptive Architekturen, die sich gemeinsam selbst verbessern – basierend auf einer Reihe veröffentlichter Meilensteine.

Wichtige Forschungsmeilensteine für RSI

• LLM-Squared (2024): Entwickelt mit Oxford und Cambridge, ermöglicht dieses Framework LLMs, bessere Methoden zum Trainieren von LLMs zu erfinden (LLM²). Es entstand DiscoPOP, ein Präferenzoptimierungsalgorithmus, der vollständig von einem LLM durch einen generationellen Evolutionszyklus entdeckt und geschrieben wurde.
• Darwin Gödel Machine (2025): In Zusammenarbeit mit der UBC unterhält DGM eine sich entwickelnde Abstammungslinie von Agentenvarianten, die ihre eigene Codebasis autonom umschreiben. Auf SWE-bench verdoppelte es die Basisleistung – eine absolute Verbesserung um 30 Prozentpunkte.
• ShinkaEvolve (2025): Open-Source-Framework, das mustereffiziente Programmevolution demonstriert. Löste komplexe Optimierungsprobleme mit nur 150 Stichproben und generierte eine neuartige Loss-Funktion für Lastausgleich, die Mixture-of-Experts (MoE)-Modelle verbessert.
• ALE-Agent (2025): Optimierungsagent, der im AtCoder Heuristic Contest 058 den 1. Platz unter 804 menschlichen Teilnehmern belegte. Er nutzt massives Inference-Time-Scaling und selbstständiges Lernen aus Trial-and-Error-Fehlern, um autonom neuartige Algorithmen abzuleiten.
• Digital Red Queen (2026): Zusammenarbeit mit MIT zur Etablierung offener, adversarischer Koevolution in Core War. LLMs verfassen konkurrierenden Code, was zu emergenten komplexen Softwarestrategien und konvergenter Evolution führt – grundlegend für die Cybersicherheits-RSI.
• The AI Scientist (2024–2026): Vollautomatisierte, offene wissenschaftliche Entdeckung, von der Ideenfindung über die Experimentdurchführung bis zum vollständigen Schreiben von Papieren und Peer-Review.

Warum dies für Entwickler wichtig ist

RSI steht für einen Wandel von statischer, menschengeführter F&E hin zu autonomen, sich selbst verbessernden Intelligenzmaschinen. Der Ansatz des Labors – evolutionäre Optimierungsschleifen, sich selbst umschreibende Agenten und automatisierte Wissenschaft – wirkt sich direkt darauf aus, wie KI-Codierungsagenten gebaut und verbessert werden. Anstatt auf manuelle Optimierung zu warten, verfeinern diese Systeme kontinuierlich ihre eigenen Architekturen.